DeepRL__教程 这是一本从基础强化学习到DQN的实践手册 要求 pip3 install -r requirements.txt 安装状态检查 安装软件包后，在source_code目录中运行cartpole_dqn.py，并呈现Openai健身房cartpole。 cd source_code/cartpole_dqn python cartpole_dqn.py 在下面，如果成功执行了cartpole_dqn.py，则可以跳过下面的安装指南！ 操作系统安装指南 ※如果成功执行了cartpole_dqn.py，请省略此部分。※ 描述了以下三个安装环境。 如果单击链接，则可以查看有关环境安装的详细指南。 Windows Linux（Ubuntu） Mac（osx） Windows没有提供来自Openai的官方安装指南。 因此，根据Openai体育馆的版本，可能未安装。

带有Unity3D的纯ECS RTS 尝试使用Unity和新的DOTS（面向数据的技术堆栈）创建RTS游戏 欢迎捐款！ 链接到教程系列： 使用的核心软件包： 良好的ECS资源

基于React入门教程的待办事项

全栈redux教程 在此网站上找到了教程： :

hyperMILL tutorial - programowanie 5-osiowe _ 5Axis machining

Multimodal Machine Learning PPT and document to give you an introduce to MMML area.

博客《学习笔记之——Event Camera》资源

ANSI/VITA 57.4 FMC协议标准讲解

PyTorch自然语言处理 译者： 协议： 所有模型都是错的，但其中一些是有用的。 本书旨在为新人提供自然语言处理（NLP）和深度学习，以涵盖这两个领域的重要主题。这两个主题领域都呈指数级增长。关于一本介绍深度学习和突出实现的NLP的在写这本书时，我们不得不对某些材料遗漏引起困难的，有时甚至是不舒服的选择。对于初学者，我们希望本书能够为基础知识提供很有特色的基础，并可以透视见可能的内容。特别是机器学习和深度学习是一种经验学科，而不是智力科学。我们希望每章中慷慨的端到端代码示例邀请您参与这一经历。我们开始编写本书时，我们从PyTorch 0.2开始。每个PyTorch更新从0.2到0.4修改了示例。PyTorch 1.0即将本书出版时发布。本书中的代码示例符合PyTorch 0.4，它应该与即将发布的PyTorch 1.0版本一样工作。关于本书风格的注释。我们在大多数地方都故意避免使用数学;并不是因为深度学习数学特别困难（事实并非如此），而且因为它在很多情况下分散了本在许多情况下，无论是在代码还是文本方面，我们都有类似的动机，我们意识到对简洁性进行突破。高级读者和有经验的程序成员可以

Keras_pruning：如何使用权重修剪和单位神经元修剪来修剪keras模型的演练